关键字 |
| 虚拟机,自组织多服务器、调度。 |
介绍 |
| 多服务器平台面临两个竞争需求的角度多服务器提供者和多服务器的用户,分别。多服务器提供者想减少电力和冷却成本,形成很大一部分他们的运营成本。为了实现这个目标,可以使用服务器整合减少物理服务器的数量需要托管一组应用程序。然而,多服务器的整合通常是不受欢迎的用户,他们正在寻求从他们的应用程序最大的性能和可靠性。在物理资源的配置应用程序可能间接增加成本如果频繁违反SLA导致business1丢失。的关键因素,决定了虚拟机的配置要求是其物理足迹:物理资源的消耗的CPU时间,存储,网络带宽和功率。现有的整合和动态布置技术在很大程度上对虚拟机的物理足迹作为独立于位置的寻措施。,一般认为,虚拟机的足迹将是相同的,不管它是放在哪个物理机器。这种假设是合理的均匀环境,物理机器是相同的和大多数虚拟机都运行相同的操作系统和应用程序。然而,在多服务器环境中,我们预计了多样化的应用程序共享一个资源池组成的异构资源。 Applications will vary significantly in terms of resource requirements, access patterns and inter-dependencies; and the physical hosts will also vary in terms of their resource capacities and data affinities. |
| 在这样的环境中,我们认为,虚拟机的物理足迹是高度可塑的;也就是说,一个虚拟机的物理资源消耗严重依赖于它的位置,它的物理主机的特点,及其与其他虚拟机之间的互动。实现规模经济的一个关键因素在计算多服务器资源配置,是指把资源分配给虚拟机来匹配他们的工作量。一般来说,有效的配置是通过两个操作:静态资源配置。虚拟机创建与指定的大小,然后合并到一组物理服务器上。虚拟机不会改变能力;和动态资源配置。虚拟机容量动态调整以匹配工作负载波动。静态配置通常适用于容量规划的初始阶段。通常是在线下进行的,发生在每月或季节性的时间尺度。 Such provisioning functionality has been included in much commercial multi server management software. In both static and dynamic provisioning, virtual machine sizing is perhaps the most vital step. Virtual machine sizing refers to the estimation of the amount of resources that should be allocated to a virtual machine. The objective of virtual machine sizing is to ensure that virtual machine capacity is commensurate with the workload. While over-provisioning wastes costly resources, under-provisioning degrades application performance and may lose customers. |
| 虚拟机大小是虚拟machine-by-virtual机的基础上进行,即。估计,每个虚拟机都有大小根据其工作负载模式。显著偏离这种基于单个虚拟机的方法,我们提倡joint-Virtual机器配置方法的巩固和多个虚拟机配置基于估计的总功率需求。从概念上讲,joint-Virtual机器配置利用统计复用动态虚拟机之间的需求特点,即。高峰和低谷,在一个虚拟机的需求不一定等同于另一个虚拟机。低利用未使用的资源的虚拟机可以用于其他虚拟机共存的峰值利用率。因此,虚拟机多路复用可能导致重要能力储蓄相比,基于单个虚拟机的配置。储蓄通过多路复用实现包装虚拟机更密集到硬件资源不牺牲应用程序性能的承诺。虽然整体固结比的增加,与调度相关的额外的虚拟化管理费用稍高一些虚拟机数量,通常是最小的,只要虚拟机的足迹与供应能力。储蓄与我们joint-sizing方法根据我们分析利用率高达40%来自生产数据中心的数据。 |
| 在这项工作中,我们详细地解决这些问题。具体地说,这项工作的主要贡献是: |
| •我们引入一个服务级别协议(SLA)模型,应用程序的性能需求映射到资源需求的要求。我们提出一个系统化的方法来评估能力的总量配置多路复用的虚拟机。估计总功率确保sla单个虚拟机仍保留。 |
| •我们提出虚拟机选择算法,旨在找到这些虚拟机最兼容的需求模式。确定虚拟机的组合导致高储蓄如果他们一起多路复用和供应能力。 |
| •我们说明有效的和可行的应用提出了容量规划技术通过虚拟机保留和提供资源保障。两个应用程序可以很容易地应用于现有的多服务器和虚拟化管理基础设施以最小的侵入和实实在在的利益回报。 |
相关工作 |
| 在[4]作者推导近似ratiosto总和率最优值通过研究两个相关问题的解决方案,和速率最大化使用SIR-approximation SIR-max-min加权SIR-optimization,从而获得表征功率控制速度区域和其凸性属性不同的渐近的政权。[5]中作者提出了一个通用框架,该框架允许开发分布式机制来实现充分利用种随机路由的无线网络,schedulingand流控制方案,适用于大型的干扰模型。在[6]的作者提出了两个低的分布式algorithmsfor调度在种无线网络。 |
好处和挑战 |
| 我们设想同时受益于一个多服务器提供者的角度以及多服务器用户的角度。从多服务器提供商的角度来看,重塑物理足迹,允许更高的整合可以帮助减少硬件,能源和冷却成本。此外,如果这样的整合可以做动态而不影响应用程序的性能,然后维护用户sla和实现进一步节约成本与时间有关的方式可以帮助大大降低供应商成本和增加他们的利润。作为一个例子,在记忆巩固现有的工作表明,co-placing相似的虚拟机服务器内存配置文件可能导致实质性的减少内存的使用。注意,这个可以实现整合的方式对于应用程序是完全透明的托管在虚拟机。 |
| 虚拟机运行的分布式应用程序可以重塑改善应用程序的性能,而不需要额外的资源或支持多服务器提供者,然后用户可以实现更高的性能而无需额外的费用。演示的潜在好处足迹重塑一个多服务器的用户,我们运行了一个激励实验显示网络足迹降低应用程序的性能的影响。在这个实验中,我们使用一个微基准测量时间发送一个数字(1 k - 100 k)两个虚拟机之间的100 KB的文件驻留在不同的物理服务器,要与时间在虚拟机之间传输相同的数据集中在同一台服务器上。这个实验是进行两个完全相同的配置工作站运行Xen 3.3.0,通过100 Mbps的连接快速以太网。正如预期的那样,我们的结果表明,随着数据量的增长,两者之间的差距配售的增长,减少传输时间约为82年。10 k的文件传输。显然,co-placement在这种情况下的好处是高度依赖于物理服务器之间的流量体积和链接带宽。在另一个实验中,我们发现,使英特尔MPI标准的跨度1 Gbps网络从646年代,当3虚拟机参与计算分布在3个不同的服务器,195年代3虚拟机在同一物理服务器。 |
方法 |
| 虚拟机多路复用和joint-Virtual机器配置方法是由三个功能模块,共同获取必要的步骤来定义多路复用的虚拟机,和他们的个人和共同能力需求。我们描述这三个模块一般资源配置框架内合作。虚拟机选择算法识别虚拟机的组合,实现高容量储蓄如果一起提供。选择标准是如何互补模式是虚拟机的需求。高度互补的虚拟机将由选择算法组合在一起。最终选择算法分区为多个虚拟机集。这些虚拟机在同一组将合并到相同的物理服务器,因此可以被认为是一个超级虚拟机。提供这样的一个超级虚拟机,我们首先需要计算其总容量的需要。我们引入一个SLA joint-Virtual机分级模型和算法。 |
| SLA模型定义了一个关系的虚拟机容量和性能级别上运行的应用程序的虚拟机。SLA模型使它方便获得超级虚拟机器上的约束能力仅仅基于SLA指定单个虚拟机。基于派生约束和超级虚拟机的总工作量,joint-Virtual机分级算法所得计算超级虚拟机需要的能力,这是最少的资源,应该分配给超级虚拟机没有降低单个虚拟机的SLA。我们应用这样一个虚拟机多路复用方法和证明它的好处在两个多服务器管理操作。第一个应用程序是虚拟机整合。我们确定虚拟机兼容,提供他们共同在计算多服务器,大大降低硬件要求。第二,我们定义一个联合保留模型提供在虚拟环境中虚拟机级别的资源保证。通过识别虚拟机和SLA兼容,我们能够获得一个联合预定水平基于单个虚拟机保留。我们组兼容虚拟机资源池,执行联合保留在资源池的水平。所有这些使比率显著提高虚拟机整合多服务器。 |
虚拟机整合: |
| 当一个虚拟机执行虚拟机整合控制器需要创建和部署一组一组物理主机上的虚拟机。虚拟机整合的目标是确定一个映射虚拟机的物理主机,主机使用的最小数量。现有虚拟机整合方案包括两个步骤:评估未来大小为每个虚拟机和物理主机上的虚拟机。第一步,估计虚拟机大小,通常是首先解决预测未来的工作负载,然后找到一个可以充分覆盖预测的能力大小的工作量。第二步,虚拟机位置,通常需要解决本包装类型的问题。特别,因为每个虚拟机都有尺寸和每一个物理主机都有固定的能力,虚拟机放置问题相当于包装物品的最小数量的垃圾箱在不违反每本大小限制。虚拟机放置由启发式或解决解决整数规划问题。利用虚拟机多路复用,可以实现更加紧凑的整合。唯一必要的改变是取代上述过程的第一步,提出三个构建块。简要来说,虚拟机控制器首先提出SLA模型适用于描述每个虚拟机的性能要求。 It then runs the virtual machine selection algorithm to partition virtual machines into virtual machine groups. The joint-Virtual Machine sizing algorithm is employed to determine the capacity being allocated. |
重塑为整个系统的目标: |
| 多服务器平台的控制系统可以利用这些原则来实现更高的系统目标,如节能措施和性能,通过affinity-aware智能位置和迁移。给定一组虚拟的足迹,识别一个“最优”放置在多个资源维装箱问题的一个实例,这是赋权。许多位置和迁移算法开发了在负载平衡的背景下解决这个问题。这些算法会根据合并上述足迹重塑的原则,例如,通过包括亲和力/冲突信息作为额外的约束优化问题。另外,这些原则可以指导启发式提高从这些算法获得初始解决方案。虽然现有算法加上上述原则指导减少物理足迹以及个别资源维度,重塑一个资源维度上虚拟机可以有不良后果以及其他资源维度。 |
| 最优位置依赖于更高级的系统政策,它指定要求的潜在矛盾的目标如节能、性能和可靠性。例如,一个公共多服务器提供者可能渴望减少托管虚拟机的电力消耗,带宽和内存,即使它是以牺牲增加的CPU时间和磁盘空间。私人多服务器,具有丰富的硬件和快速连接,可能寻求减少能耗和执行时间,不管带宽、内存和磁盘利用率。为了应对这些挑战,足迹形成算法需要将优化技术占inter-resource权衡和相互冲突的目标。最后,在大型系统中,控制决策可能需要执行以分散的方式。 |
结论 |
| 这项工作倡导利用虚拟机多路复用来提高资源利用率的计算多服务器。虚拟机多路复用的好处是,当多个虚拟机的波峰和波谷暂时未对齐,这些虚拟机可以巩固和供应一起保存能力。本文提出三个设计模块,使概念在实践中。具体地说,一个新的SLA模型反映了应用程序的性能要求;joint-Virtual机定量法估计多路复用的虚拟机的总功率需求;和一个虚拟机选择算法识别最兼容的虚拟机的组合。提出了设计模块可以无缝地插入现有的资源配置应用程序。实验数据来自一个操作多服务器证明提出的联合——虚拟机配置明显优于传统方法。我们展示了多服务器提供者和用户可以受益于增加整合和应用程序性能通过动态改变虚拟机的物理资源消费智能位置和迁移。我们描述了如何识别机会重塑通过描述虚拟机的一个独立于位置的寻虚拟足迹,然后提出三个一般原则一个虚拟机的物理足迹最小化对内存、网络,磁盘和功耗。 Finally, we discussed challenges associated with applying these principles in practice in a multi server environment. |
|
引用 |
- m .蒋介石,美国低,A . Calderbank和j·多伊尔,“分层优化分解:一个数学理论的网络架构,“Proc, IEEE 95卷,没有。1,第312 - 255页,2007年1月。
- d . c . w . Tan帕,m .蒋介石“利用隐藏的凸性在蜂窝网络资源配置灵活和健壮,“在Proc。IEEE INFOCOM, 2007年,页964 - 972。
- d . c . w . Tan帕,andM。蒋介石“Energy-robustness权衡在蜂窝网络功率控制,IEEE / ACM反式。Netw。,vol. 17, no. 3, pp. 912–925, Jun. 2009.
- m . c . w . Tan蒋介石,r . Srikant”快速算法和性能界限和无线网络速率最大化,“在Proc。IEEE INFOCOM, 2009年,页1350 - 1358。
- a . Eryilmaz o . Asuman,大肠Modiano“多项式复杂性算法充分利用种无线网络,“在Proc。IEEE INFOCOM, 2007年,页499 - 507。
- a·古普塔x林,r . Srikant“低分布式调度算法的无线网络,”IEEE / ACM反式。Netw。,vol. 17, no. 6, pp. 1846–1859, Dec. 2009.
- c·w·谭、美国Friedland和s . h .低”在多用户认知无线网络频谱管理:最优算法,“IEEE j .选取。Commun领域。,vol. 29, no. 2, pp. 421–430, Feb. 2011.
|
菜单